我有一个基于他们所创作的文本文档的人员索引。以下是字段类型:
<fieldtype name="TField" class="solr.TextField" positionIncrementGap="100" omitNorms="true">
<analyzer>
<tokenizer class="solr.StandardTokenizerFactory"/>
<filter class="solr.LowerCaseFilterFactory" />
<filter class="solr.StopFilterFactory" />
<filter class="solr.PorterStemFilterFactory" />
<filter class="solr.PositionFilterFactory" />
</analyzer>
</fieldtype>和字段声明本身:
<field name="Publication" type="TField" indexed="true" stored="true" multiValued="true" />和请求处理程序配置:
<requestHandler name="/select/" class="solr.StandardRequestHandler" default="true" >
<lst name="defaults" >
<str name="defType">edismax</str>
<str name="qf">Publication</str>
<str name="fl">ID,score</str>
<str name="q.alt">*:*</str>
<str name="rows">10</str>
</lst>
</requestHandler>理想的情况是处理一个文本查询,并返回对该文本查询匹配多少个Publications进行评分的人员。例如:
A人有三个文件,内容是“猫狗鼠”、“猫狗屋”、“香蕉”。
人员B有三个文档,内容为“猫狗老鼠”、“猫”、“狗”
人员C有两个文档,内容分别为“猫”、“狗”、“香蕉”
如果文本查询是“猫狗”,我希望人A的得分为2(匹配“猫狗鼠”,“猫狗屋”),人B的得分为1(匹配的“猫狗鼠”),并且人C根本不返回。
我目前的实现在两个方面做不到这一点。首先,它返回Person C,因为Solr似乎将multiValued字段的内容合并为一个,所以猫和狗出现在Person A的单独发布条目中似乎无关紧要。
其次,与第一个密切相关,文档的评分是TF-IDF,基于发布字段中所有值的连接内容。因此,人A和人B最终具有相同的分数,因为猫和狗在其整个文档语料库中出现的次数相同。
有什么方法可以实现我想要的东西吗?更广泛地说,有没有办法根据匹配的multiValued字段的单个条目对文档进行评分,而不是将所有条目作为一个整体?
发布于 2014-10-04 00:12:24
经过大量的single搜索,似乎出于评分和检索的目的,在一个multiValued字段中有多个条目和一个由值连接而成的条目是等价的。对于我们的特定情况,我们已经部分地解决了这个问题,方法是创建已创作文档本身的索引,然后搜索该索引并对作者进行分面。这将生成一个作者列表,该列表根据作者所创作的相关文档的数量进行排序。这种解决方案并不完美,并且存在许多问题,比如不知道可用结果的总数(因为您无法计算一个方面的条目数量),或者不能对作者执行更复杂的过滤。
我想和你分享我的死胡同。
https://stackoverflow.com/questions/26141771
复制相似问题